基于BP神经网络深度学习的供水管网漏损智能定位方法

在深入剖析已有大型供水管网漏损成因的基础上,提出了采用BP神经网络深度学习的方法预测漏损点位置,构建了供水管网漏损模拟模型,通过管网发生漏损时5个位置的流量变化和17个位置的压力监测点变化的相关性分析,利用人工神经网络深度学习来诊断漏损点所在管网中位置,并以实验室自搭建的小型供水管网为例对漏损定位的研究方法进行了验证。结果表明,所提方法是一个实时诊断的快速又有效的方法,可实现较为准确的漏损点定位。     

基于水力模型的无收益水量分配方法

无收益水量的合理分配对管网模型计算精度影响较大。为了尽可能真实地反映节点实际用水量,基于供水管网的一致漏损模型,将无收益水量分为真实漏损和表观漏损两部分,在原有管长影响因素的基础上增加考虑了压力及流量,提出了漏失模型法的流量分配方法,并以天津市H区给水管网模型为例进行了计算验证。结果表明,对于沿线流量分配法与漏失模型法两种流量分配方法,其压力监测点处的模拟值在每个时刻与实测值的误差均在±2m之内;二者水力计算所得的节点压力相差约0.2m,漏失模型法的流量分配结果明显更靠近监测点的实测值,精度较高。     

管材和管径选择与供水管网漏损控制

对供水管网漏损的原因进行了初步探讨,并从管材和管径两个方面对若干城市供水管网漏损的数据进行了统计分析,提出了管材漏损系数和管径漏损系数两个概念。根据分析结果,提出了相应的控制管网漏损的措施。     

基于深度学习框架的供水管网压力异常实时诊断方法

为有效减少供水管网的漏失,诊断异常压力数据十分必要。在数据采集与监视控制(SCADA)系统中引入异常诊断模型,提出一种基于深度学习框架的异常诊断方法。该方法先利用卷积神经网络模型(CNN)对压力进行预测,再计算压力预测值与实际值的误差并进行离群点诊断,若异常值持续时间较长,则可能发生漏失。以D市供水管网模型为例,利用该模型对16个监测点压力数据进行诊断并与ARIMA诊断模型进行对比。结果表明,CNN模型能够准确地诊断供水管网的压力异常数据。     

阀门系统调节降低城市供水管网的漏损量

降低供水管网的漏损量是供水行业一项非常重要的目标 ,由于供水压力直接影响着城市供水管网的漏损量 ,所以通过有效地调节阀门的大小来改变供水压力 ,降低节点超量水压 ,从而实现总体漏损量的减少。本文通过最优化的理论和方法 ,建立了城市供水管网阀门优化调度运行的数学模型 ,经过实例验证 ,该方法可以有效降低城市供水管网的漏损量。     

基于压力敏感区域方法的供水管网漏失区域定位研究

为有效降低城市供水漏损率,快速、准确定位漏失位置,基于压力敏感区域方法,以A市为研究区域对供水管网漏失区域定位进行研究,以压力监测设备与节点漏失之间的水力关联特性对供水管网进行区域划分,建立管网漏失敏感区域,当某处发生漏失时,可立即定位到漏失区域.结果 表明,当漏失响应阈值为97％时,覆盖节点数量最多,敏感区域划分最为...     

一种基于FFT变换的供水管网节点压力频域分析方法

供水管网出现漏损点时,由于其隐蔽性不易被察觉,长时间的漏损积累不仅造成水资源浪费,也会出现供水产销差的问题。将频域分析法引入到供水行业,提出一种基于FFT变换的供水管网节点压力频域分析方法,首先通过编写程序调用EPANET对供水管网进行运行优化模拟,然后将求解的最优泵阀调度方案反代入模拟漏损点工况内,借助傅里叶变换将随时间变化的节点压力转换为振幅信号,从频域的角度分析管道节点压力,从而判断漏损点距离管道起始节点的长度范围。通过验证,与以往基于压力分析漏损点相比,该方法可从频域信号视角来判断管道是否正常运行及漏损点位置范围,有利于供水行业智慧化。     

一种基于双向LSTM的供水管网漏损定位方法

传统的供水管网检漏方式存在效率低、准确率差的缺陷.应用双向LSTM(Bi-LSTM)神经网络可以很好地分析管网漏损时节点水压的变化规律,实现快速准确的漏损定位.先创建基于EPANET平台的管网水力模型,在该模型上进行管网节点漏损模拟及各时间点节点水压的获取,然后采用Bi-LSTM进行分析,最终得到漏损节点位置及各个漏损...     

基于EPANET的市政管网二次供水设备数值模拟研究

为分析两种二次供水设备—管网叠压(无负压)设备与节能错峰供水设备对市政管网流量和压力的影响,利用有压管网数值模拟软件EPANET构建城市区域管网数值模型,在管网模型8个节点处分别添加概化后的两种二次供水设备进行运算分析,发现无负压设备仅会增加使用该设备处的8个节点的压力,对管网中其他位置的流量和压力影响较小。而节能错峰供水设备对市政管网影响较大,使用8个节能错峰供水设备后,在用水高峰来临前后,各压力区间节点数最大差异值由10个减小至2个,且流量变化曲线更加平稳,24h最大流量差由422.76L/s变为375.25L/s;此外,还发现该型设备数量对管网压力波动影响显著,当设备数量减少为6个时,管网中流量和压力也相对稳定,而当设备数量继续减少至4个及2个时,低压区节点数持续增加,且流量变化曲线波动增大,表明此二次供水设备数量与管网中流量和压力有较大相关性。研究成果为供水管网中二次供水设备的模型化计算与分析提供了参考。     

供水管网实时分区及节流阀调度研究

为进一步降低供水管网漏损率,节约能源,提高水资源利用率,通过EPANET工具箱、Matlab及C#联合编程,以节流阀的开启度为影响因素,以漏失费用为目标,建立阀门实时调度模型。首先,该模型通过模糊C-均值聚类法(FCM)实时对管网进行分区;其次,对各区域内每一时刻的阀门开启度进行调整;最后,通过布谷鸟算法(CS)进行优化调度,从而均衡管网压力,降低管网漏失量。F市实际供水管网优化调度结果表明,优化后漏失率降低了11.96%,提高了水资源的有效利用率。研究成果对于供水管网优化调度意义重大。     

Data-driven diagnosis of the high-pressure hydrogen leakage in fuel cell vehicles based on relevance vector machine

The hydrogen pressure inside tanks and its adjacent pipes can reach up to 70 MPa in fuel cell vehicles. This is the weak links of hydrogen leakage. The diagnosis time of mainstream hydrogen leakage diagnosis method based on hydrogen concentration sensors (HCSs) is easily affected by the number and location of installed sensors. In this study, a data-driven diagnosis method is proposed for the high-pressure hydrogen leakage. Fisher discrimination analysis and linear least squares fitting are used for data preprocessing, relevance vector machine is used for pattern recognition. When the total volume of tanks is 82 L and the hydrogen leakage flow rate is larger than 2 g/s, the diagnosis accuracy of the proposed method is higher than 95% and the diagnosis time is constant. When the leakage location is far away from HCSs, the proposed method can the diagnose hydrogen leakage in a shorter time than mainstream method.     

基于热流耦合方法的岩体内渗水水温变化过程模拟

鉴于正确判断出水原因及渗水来源是制定防渗加固措施的重要依据,将热流耦合方法引入到岩体裂隙渗水计算中,分析渗水来源、渗水量、渗漏路径及岩体温度等对渗水温度的影响程度。结合某实际工程导流洞首次过流时在附近出现的10个渗水点,应用该方法模拟由导流洞到出水点的渗水过程。结果表明,6个出水点的温度仿真结果与实测水温接近,佐证了渗水来自导流洞的推断;2个距导流洞较近的出水点仿真温度偏高,极有可能是真实的渗漏路径较长所致;另有2个位置较远的点仿真温度偏低,初步推测可能受周边温度较低的地下水影响。这说明热流耦合方法可应用于模拟岩体裂隙中渗水水温变化过程,为初步判断岩体内渗水来源提供了依据。     

基于PSO-LSSVM时序预测模型的管网漏失信号识别

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。     

基于PSO-LSSVM时序预测模型的管网漏失信号识别

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。     

基于ＳＦＦＳ￣ＲＢＰＣＡ 的高维复杂工业过程故障诊断方法研究

基于重构的故障分离方法能够抑制残差污染影响,有效降低误诊率,但该类方法计算量会随系统维度和故障变量数量呈指数级上升,难以直接应用于高维复杂工业过程的在线故障诊断。因此,提出的主成分分析法是一种基于序列特征选择算法的重构主成分分析故障诊断方法,该方法基于历史数据建立主成分分析监测模型,利用综合指标对实时数据进行故障检测,在故障分离过程中引入序列特征选择方法来定位故障变量,并〖JP2〗采用数学仿真算例和实际工程算例对该方法的诊断性能进行验证。结果表明：所提方法可以在较小计算量的情况下保证高诊出率和低误诊率,在诊断精度和诊断效率之间达到良好平衡,能够有效处理高维系统复杂故障,满足了在线诊断需求。     

土石坝渗漏的三维电阻率成像诊断试验

渗漏作为土石坝的一种主要隐患,会对坝体安全造成威胁。为了快速、经济、有效的探测渗漏通道在土石坝中的分布情况,制作了内含渗漏隐患的土石坝模型,应用三维电阻率成像诊断技术和三维体渲染图像处理技术,分析了渗漏隐患在土石坝蓄水条件下的成像特点。结果表明,在土石坝预设渗漏隐患位置电阻率图像中会出现低阻异常区与之对应;体渲染图像处理技术有利于对土石坝进行全面透视,提高渗漏通道三维电阻率成像诊断精度;采用三维电阻率成像诊断技术对土石坝渗漏进行探测具有可行性和可靠性,对于推动水利工程病险诊断技术的进步具有极其重要的现实意义。     

基于CCA-DCNN算法和数字孪生的给水回热系统故障诊断研究

针对核电二次回路中给水回热等复杂热工系统故障诊断存在样本稀缺、数据高维耦合以及数据预处理丢失特征信息导致传统诊断模型准确率受限的问题,提出一种基于相关分析进行深度学习的故障诊断方法。首先,构建给水回热数字孪生系统,建立故障诊断数据仓库;然后,利用综合相关分析(CCA)方法建立系统状态矩阵,搭建深度卷积网络,对系统状态特征进行深入挖掘,并通过可视化(VS)方法将网络的内部过程可视化;最后,建立基于深度卷积网络的故障诊断模型,诊断给水回热系统的典型故障,包括管道泄漏、水室短路、传热恶化、阀门卡涩等。结果表明：该数字孪生系统能够实现对给水再热系统正常和故障工况下的精确仿真,并满足后续深度学习模型的数据要求;基于综合相关分析和深度卷积网络算法的故障诊断模型能够实现时变、多维工业数据的故障诊断;采用T分布随机领域嵌入(TSNE)方法对模型可视化发现,模型的不同故障类型有明显的区别,相似的故障数据有明显的聚合性。